XiaoMi-AI文件搜索系统
World File Search Systemcovariates
帕金森病的冷漠症进展与脑萎缩和白质损伤有关
我们使用了 445 名参与者的 T1 加权磁共振成像 (MRI) 和临床数据。冷漠症是运动障碍协会统一帕金森病评定量表 (MDS-UPDRS) 第 I 部分的一部分进行评估的。我们应用基于变形的形态测量 (DBM) 来量化灰质萎缩，并使用脑组织分割 (BISON) 算法从 T1 加权图像中分割出 WMH。使用线性回归模型，我们进行了横断面分析，以确定基线脑测量值 (DBM 和 WMH) 与冷漠严重程度之间的关联。纵向分析利用线性混合效应模型来调查基线脑测量值是否与未来的冷漠症随时间进展有关，其中考虑了年龄、性别、运动伪影、Hoehn 和 Yahr 分期、左旋多巴等效日剂量 (LEDD)、颅内总容量 (TIV) 和基线冷漠等协变量。我们进行了基于假设和探索性的分析，以确认文献中先前报告的结果并探索潜在的新关联。
1量化临床和流行病学中可能的偏见...
错误分类发生。8连续变量也可能导致测量误差。为一个例子，由于研究参与者对酒精摄入量的误会而导致的一些饮酒研究发生了错误分类。9，10作为另一个例子，在使用电子健康记录或保险索赔数据的研究中，如果并不总是将结果报告给或记录由个人的医疗保健专业人员报告或记录的结果，则可能会出现结果错误。11测量误差被认为误差的概率取决于另一个变量（例如，根据结果取决于结果，差异参与者对暴露状态的回忆）时。多个变量测量中的错误可能取决于（即相互关联），特别是当从单个来源收集数据时（例如，电子健康记录）。测量误差可能导致描述性和病因的有偏见的研究结果（即原因效应）非介入研究。12
预后意义和神经网络衍生的心电图特征的关联
结果：总共包括1 808 584例患者。在派生队列中，3个现象群具有显着不同的死亡率。调整已知的协变量后，现象B与现象A相比，长期死亡率增加了20％（危险比，1.20 [95％CI，1.17-1.23]； P <0.0001; P <0.0001; phanogroup A死亡率，2.2％; femogroup B死亡率，6.1％）。在单变量分析中，我们发现现象B在所有队列中的死亡风险都明显更大（所有5个同类群中的对数秩P <0.01）。全球范围的关联研究表明，现象B的未来房颤率较高（优势比，2.89; p <0.00001），心室心动过速（优势比，2.00; p <0.00001），缺血性心脏病（优势比，1.44; p <0.00001; p <0.00001）; cardiy1 <0.00001）<，cardibath 一项单特征基因组的关联研究产生了4个基因座。 SCN10A，SCN5A和CAV1在心脏传导和心律不齐中具有作用。 ARHGAP24没有明确的心脏作用，可能是一个新颖的目标。一项单特征基因组的关联研究产生了4个基因座。SCN10A，SCN5A和CAV1在心脏传导和心律不齐中具有作用。ARHGAP24没有明确的心脏作用，可能是一个新颖的目标。
丹麦首剂 ChAdOx1 疫苗与后续 mRNA 疫苗联合使用对 SARS-CoV-2 感染、住院和死亡的疫苗有效性：一项全国性基于人群的队列研究
丹麦民事登记系统已确认 2021 年 2 月 9 日至 2021 年 6 月 23 日期间在丹麦生活或移民到丹麦的所有个人。暴露、结果和协变量的信息来自丹麦国家登记处。分别使用泊松和 Cox 回归模型计算粗 VE 和调整 VE，以及针对接种疫苗和未接种疫苗个体的 SARS-CoV-2 感染和 COVID-19 相关住院或死亡的 95% 置信区间 (CI)。VE 估计值根据日历时间作为基础时间并根据性别、年龄、合并症、原籍国和住院情况进行了调整。分析包括 5,542,079 人（占丹麦总人口的 97.6%）。共有 144,360 人接种了第一剂 ChAdOx1 疫苗，其中 136,551 人接种了第二剂 mRNA 疫苗。共纳入 1,691,464 人年和 83,034 例 SARS-CoV-2 感染病例。接种第一剂 ChAdOx1 疫苗的人的中位年龄为 45 岁。研究人群的特点是平均分布
教育年份与主观认知下降，MCI和阿尔茨海默氏病的患者的淀粉样蛋白负担之间的关联
方法的淀粉样蛋白-PET信息（[18 f] flutemetamol或[18 f] florbetaben）的SCD+，轻度认知障碍（MCI）和AD从AMYPAD-DPMS队列中获取，这是一项多中心随机对照研究。组分类基于SCD-I和NIA-AA工作组的建议。淀粉样蛋白宠物图像是在初次筛选后的8个月内获取的，并用不型进行处理。淀粉样蛋白负载基于全局丝氨酸（CL）值。教育水平由多年来的正规教育和随后的高等教育索引。使用线性回归分析，在整个队列中测试了教育对CL值的主要影响，然后评估通过诊断群体的教育互动（协变量：年龄，性别，性别和招募记忆诊所）。为了说明非AD病理学和合并症的影响，我们比较了白质高强度（WMH）严重程度（WMH）严重程度，心血管事件，抑郁症，抑郁症，焦虑症以及使用Fisher精确测试的每个诊断类别中受过较低教育和受过良好受教育程度的群体之间的较低教育和受过良好受教育程度的组之间的焦虑病史。教育
教育年份与主观认知下降，MCI和阿尔茨海默氏病的患者的淀粉样蛋白负担之间的关联
方法的淀粉样蛋白-PET信息（[18 f] flutemetamol或[18 f] florbetaben）的SCD+，轻度认知障碍（MCI）和AD从AMYPAD-DPMS队列中获取，这是一项多中心随机对照研究。组分类基于SCD-I和NIA-AA工作组的建议。淀粉样蛋白宠物图像是在初次筛选后的8个月内获取的，并用不型进行处理。淀粉样蛋白负载基于全局丝氨酸（CL）值。教育水平由多年来的正规教育和随后的高等教育索引。使用线性回归分析，在整个队列中测试了教育对CL值的主要影响，然后评估通过诊断群体的教育互动（协变量：年龄，性别，性别和招募记忆诊所）。为了说明非AD病理学和合并症的影响，我们比较了白质高强度（WMH）严重程度（WMH）严重程度，心血管事件，抑郁症，抑郁症，焦虑症以及使用Fisher精确测试的每个诊断类别中受过较低教育和受过良好受教育程度的群体之间的较低教育和受过良好受教育程度的组之间的焦虑病史。教育
颊莺 (Setophaga chrysoparia) 密度
摘要。需要建立野生动物种群规模、空间分布和栖息地关系的稳健模型，以更有效地监测濒危物种并优先考虑栖息地保护工作。遥感数据（例如机载激光测高 (LiDAR) 和数字彩色红外 (CIR) 航空摄影）与精心设计的实地研究相结合，有助于填补这些信息空白。我们使用基于点计数的距离抽样调查数据和融合 LiDAR 的 CIR 航空摄影来模拟濒危鸣禽金颊莺 (Setophaga chrysoparia) 在 10 000 公顷的巴尔科内斯峡谷地国家野生动物保护区 (BCNWR) 的密度。我们开发了一套新颖的候选模型来解释金颊莺的检测概率和密度，使用栖息地协变量来表征植被结构、组成和复杂性以及栖息地破碎化、地形和人类基础设施。我们用代表 3.2 公顷领土面积（100 米半径）与 1.8 公顷和 7.0 公顷领土面积的焦点均值计算的协变量获得了最多的模型支持。检测概率随树冠覆盖率的增加而降低，随地形粗糙度的增加而增加。金颊莺的密度随树冠覆盖率的增加而增加，在阿什桧柏 (Juniperus ashei) 与阔叶树冠覆盖率之比为 7:3 时最高，随全球太阳辐射的增加而降低。使用 3 分钟点计数预测的莺密度与来自独立
完成主要疫苗接种和初始加强针接种后出现严重的 COVID-19 后果：对英格兰、北爱尔兰、苏格兰和威尔士 3000 万个人的国家前瞻性队列研究的汇总分析
方法 我们通过对 3000 万人的初级保健、RT-PCR 检测、疫苗接种、住院和死亡率数据进行关联，构建了英国所有四个国家的前瞻性队列。我们在初步分析中纳入了接种过 BNT162b2（tozinameran；辉瑞-BioNTech）或 ChAdOx1 nCoV-19（牛津-阿斯利康）疫苗初级疫苗剂量的个体。然后，我们将分析范围限制为那些在 2021 年 12 月 20 日至 2022 年 2 月 28 日（当时 omicron (B.1.1.529) 变体占主导地位）期间接种过 BNT162b2 或 mRNA-1273（elasomeran；Moderna）加强剂且 COVID-19 转归严重的人。我们拟合了时间依赖性泊松回归模型，并计算了风险因素与 COVID-19 相关住院或死亡之间关联的调整率比 (aRR) 和 95% 置信区间。我们调整了一系列潜在协变量，包括年龄、性别、合并症和既往 SARS-CoV-2 感染情况。按疫苗类型进行分层分析。然后，我们使用固定效应荟萃分析对英国各国进行了汇总分析。
阿尔茨海默病相关脑萎缩模式与睡眠宏观结构的关系
a 模型根据年龄（非线性）、性别、年龄（非线性）×性别、颅内容积 (ICV) 和总睡眠时间 (TST)（非线性）进行了调整。b 模型按照模型 0 进行调整，另外还考虑了糖尿病的存在、糖尿病×性别、高血压的存在、高血压×性别、胆固醇比率、胆固醇比率×性别、腰围身高比和腰围身高比×性别。c 模型按照模型 0 进行调整，另外还考虑了伴侣身份、等效收入和受教育年限。d 模型按照模型 0 进行调整，另外还考虑了当前吸烟状况、吸烟包年数、当前吸烟状况×吸烟包年数、体力活动、平均酒精消费量和平均酒精消费量×性别。e 模型按照模型 0 进行调整，另外还考虑了失眠的存在、AHI、AHI×性别、不安腿综合征的存在以及睡眠药物的摄入量。f 模型按照模型 0 进行调整，另外还考虑了总脑容量。g 模型按照模型 0 进行调整，另外还考虑了终生抑郁症的存在。 h 模型按照模型 0 进行调整，并另外针对上述所有附加协变量进行调整。
LMRnews - navfac exwc - Navy.mil
这项工作的两个主要成果包括 R 软件包“espresso”和一个模拟工具。R 软件包 (https://pjbouchet.github.io/espresso) 允许跨功能形式、物种和协变量进行剂量反应建模，以及跨物种和协变量进行模型选择。这是以前的方法无法实现的新功能。该软件包旨在灵活供研究界和海军环境合规团队使用。它包括使用 RJMCMC 进行多物种贝叶斯剂量反应模型选择的分步示例，以及根据需要和问题打开和关闭模型选择的不同元素的选项。一些软件包功能专门满足海军的需求，包括对来自俘虏研究的 CEE 数据所需的左删失，以及纳入风险函数数据。模拟工具探索了卫星标签数据在未来剂量反应函数中的作用。该工具和出版物扩大了在数据可用时将卫星标签数据纳入海军模型的讨论。